*的红酒，一定要掺上雪碧才好喝。
基于这样的品味，我设计出了一套在经典nosql数据库redis上实现SQL引擎的方法。既然redis号称nosql，而我偏要把SQL加到redis上，于是这个技术方案取名为【YesSql】。
1.在redis上实现SQL查询的技术基础
- redis上可以执行lua。整个SQL引擎就是在lua上解析SQL语句，执行，并返回结果。
- lua有很好的正则表达式引擎，因此解析SQL语法变得简单。
- redis提供map, zset这样的数据结构，很容易实现列存储
- 关系数据库不也就是索引+遍历，核心逻辑完全能用lua来实现。
2.实现细节
2.1 create table
- 假定我只支持number和string两种数据结构
- 把整个按行组织的表看成由N个字段组成的列存储
- 也就是说，字段的组织是： table_column -> map 或 zset
- 用一个 table_rowid -> int 来产生一个rowid
- map或者zset中的key使用rowid:
${table}_rowid -> int_value
${table}_${column1} -> map
${rowid1} -> column1 data of row 1
${rowid2} -> column1 data of row 2
${table}_${column2} -> map
${rowid1} -> column2 data of row 1
${rowid2} -> column2 data of row 2
- 可以有唯一索引：
${table}_unique_index_1 -> map
${unique_key_1} -> rowid1
${unique_key_2} -> rowid
- 可以有数值类型的排序索引：
${table}_number_index_1 -> zset
$rowid1 -> number1
$rowid2 -> number2
- 所以：create table就是建立上面的KEY结构
- 建表的语法大致如下：
create table my_first_redis_table_1(
column1 number,
column2 string,
column2 number
unique index column2,
number_index column3
)
2.2 insert
- 插入时先要使用redis的INC指令得到一个新的rowid
- 插入其实就是在
${table}_${column}字段的下面增加二级KEY
2.3 update
- update可以指定rowid或者唯一索引中的字段
- 如果where条件比较复杂，则只能遍历字段，并最终取多个rowid集合的交集
- set中的字段，先找到rowid，然后根据rowid更新就好了
2.3 delete
- where条件中的搜索如同上面
- 删除行就是逐个删除每个column key下面的rowid对应的二级KEY
2.4 select
这部分相对复杂，划分为不同的场景：
2.4.1 from部分
解析出表名是第一步的，然后就确定了KEY的前缀。
2.4.2 where条件
上面讲update和delete的where部分一笔带过了，具体有这样的一些场景：
- 使用rowid=xxx或者rowid in ()的方式，比较简单
- 使用unique_key=xxx或者unique_key in ()的方式，也比较简单，先通过唯一索引得到rowid，然后再根据rowid查询
- 使用number_index的范围查询的情况，先使用ZRANGEBYSCORE找到多个rowid，然后再查询
- 使用and/or/in及其其他字段上的表达式，无非也就是层层加过滤，知道最终确定rowid的集合
2.4.3 select部分
- 每选择一个列，就意味着要输出这个列的值给查询方
- 字段上的表达式，也比较容易实现
2.4.4 group by部分
- 可以建立一个所有group by中字段名组合起来的临时KEY作为二级KEY的map
例如：
select column1, column2, count(1), sum(column3)
from table
group by column1, column2
可以建立这样的KEY结构：
temp_group_by_1 -> map
${column1_value}_${column2_value} -> rowid
temp_group_by_1_stat1 -> map
$rowid1 -> count_value
temp_group_by_1_stat2 -> map
$rowid1 -> sum_value
2.4.5 having部分
- having部分，也就是在上一步汇总好的基础上，对rowid指向的值做过滤。
- 还有一个优化点：如果没有having字句，汇总采用map结构；有having字句，采用zset结构，直接根据范围做过滤
2.4.6 join部分
不再叙述，猜测不会有那么无聊的人真的希望用上这么一套SQL引擎。
3.最后
- 这是一个恶意的玩笑
- 某种程度上可以作为一种思维训练，让我们知道SQL引擎可能是怎么去运行的